本文演示使用QGIS基于NDVI遥感指数阈值法结合决策树提取冬小麦种植面积的过程，总体思路为：根据研究区域冬小麦生长周期特点，选择关键生长期多期遥感影像，计算NDVI指数，并根据NDVI提取关键地类，最后根据不同时期地类分布特点使用决策树进行条件组合，得到冬小麦的种植区域。

01 流程说明

本文将QGIS基于NDVI遥感指数阈值法结合决策树提取冬小麦种植面积的过程分为如下4个步骤：

1) 数据预处理

2) 计算NDVI指数

3) 提取小麦种植区域

4) 分类精度评价

为了避免文章过长，本文按照步骤分为4个小节，每个小节附带配套视频（扫描文章后的二维码关注公众号可观看），详细演示操作细节，建议下载示范数据跟随演示过程动手操作。

02 数据准备

遥感影像数据

基于遥感指数阈值种植面积提取应下载监测范围关键生长期的遥感影像数据。

以河南省新乡市原阳县2020年冬小麦种植面积为例，这里为了说明流程，下载数据为2019年10月30日（L2A_T49SGU_A013829_20191030T031547_2019-10-30）和2020年4月22日（L2A_T49SGU_A025240_20200422T031227_2020-04-22）各一幅数据进行演示。

监测区域行政区划数据

河南省新乡市原阳县行政区划：行政区划原阳县.shp。

示范数据下载

链接: https://pan.baidu.com/s/1GI32ipvabbgu0Ic2Q-dhdg

提取码: 1nqx

03 工具准备

QGIS 3.16

QGIS SCP插件

04 数据预处理

重投影

打开QGIS，将所准备的数据加载到地图窗口，检查各个数据的坐标系。例如，示范数据中，行政区域采用WGS84 地理坐标系，而Sentinel 2下载的数据采用的是UTM 49N投影坐标系。此时，需要对行政区划图层做重投影，使其统一到UTM 49N投影坐标系。

设置工程坐标系

右键点击任意一个波段影像->【图层的坐标参照系】->【将图层的CRS设为工程的CRS】，将Sentinel 2数据所使用的投影坐标系设置为工程坐标系。

使用重投影工具将原阳县行政区域矢量图层从WGS84重新投影到UTM 49N投影

点击菜单【地理处理】->【工具箱】，在右侧打开工具箱面板。

在工具箱的搜索框输入“重投影”，从搜索结果中找到【矢量通用】->【重投影图层】，双击打开重投影对话框。

在重投影图层对话框设置如下参数：

输入图层：行政区划原阳县；

目标坐标参照系：EPSG：32649-WGS 84/UTM zone 49N；

重投影：任意存储目录/行政区划.gpkg。

点击【运行】按钮，完成重投影。

裁剪到研究区域

使用研究区域（即原阳县）对影像进行裁剪，保留区域内的数据。

点击工具栏的按钮，打开SCP界面。

分别对2019年10月和2020年4月设置波段集。点击左边的，在“Single band list”面板中点击按钮刷新波段列表，然后按住鼠标左键拖拽，选中T49SGU_A013829_20191030T031547_B01到T49SGU_A013829_20191030T031547_B12，点击将所选波段添加到Band set 1中，设置下方的“Wavelength quick settings”为“Sentinel-2 ……”，如下图：

注意：Sentinel-2波段的排列顺序为：1,2,3,4,5,6,7,8,8A,9,10,11,12，使用、可以上下调整波段顺序，点击按钮将按照波段名自动排列。

点击新增一个Band set 2，使用上面步骤将T49SGU_A025240_20200422T031227_B01到T49SGU_A025240_20200422T031227_B12添加到Band set 2中。

接下来，裁剪2019年10月份12个波段影像，请注意，2019年的影像为Band set 1，确保它处于激活状态。点击->，进入裁剪界面。设置如下参数：

Select input band set(输入band set)：1；

Output name prefix（输出文件前缀）：clip_;

Use Vector for clipping（使用矢量数据集裁剪）：勾选，矢量图层选择“原阳县”。

点击按钮，设置输出结果存储路径，QGIS将依据原阳县的范围将2019年10月数据裁剪处理，裁剪后结果如下图：

点击左边的，选中Band set 2，依据相同步骤裁剪2020年影像。

清理不需要的图层，点击工具栏的按钮保存工程文件，至此，数据预处理工作完成。

-----------本节到此结束，未完待续-------------

本文欢迎转载，转载时请注明出处。

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（1）-数据预处理相关推荐

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（4）-分类精度评价
本文继续介绍使用QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布,本文为教程的第四部分:分类结果精度评价.所使用的示范数据下载地址为: 链接: https://pan.baidu.com/s/1 ...
QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（3）-NDVI阈值
本文继续介绍使用QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布,本文为教程的第三部分:NDVI阈值选择和冬小麦种植面积提取.所使用的示范数据下载地址为: 链接: https://pan.bai ...
基于Python Unet的医学影像分割系统源码，含皮肤病的数据及皮肤病分割的模型，用户输入图像，模型可以自动分割去皮肤病的区域
手把手教你用Unet做医学图像分割我们用Unet来做医学图像分割.我们将会以皮肤病的数据作为示范,训练一个皮肤病分割的模型出来,用户输入图像,模型可以自动分割去皮肤病的区域和正常的区域.废话不多说, ...
哨兵2a 波段组合_基于Sentinel-2（哨兵2）遥感卫星的植被覆盖度提取
1 Sentinel-2简单介绍哨兵-2系列卫星的主要载荷多光谱成像仪拥有13个谱段,从可见光到近红外再到短波红外,空间分辨率从10m到60m,能实现全所未有的陆地海洋监测水平.其幅宽高达290KM ...
部分常见遥感指数(RSEI)原理与计算方法，以及效果比较
目录前言指数使用前需知遥感指数植被指数归一化植被指数NDVI 归一化差值山地植被指数NDMVI 增强型植被指数EVI 比值植被指数SR/植被指数RVI 差值植被指数DVI 调节土壤的植被指数 ...
基于深度学习的遥感影像语义分割数据预处理
基于深度学习的遥感影像语义分割数据预处理第一次处理数据,不熟练,仅供参考数据预处理工具:Arcgis 第一步:下载遥感影像tif数据根据实际需求选择感兴趣的遥感影像区域数据来源:Google卫 ...
毕业设计-基于BIT的双时相遥感影像变化检测（附下载链接-Python源码+毕业论文+答辩PPT+相关资料等等）
毕业设计-基于BIT的双时相遥感影像变化检测(Python开发) 点我下载文件论文目录压缩包目录毕业设计内容摘要(主要应解决的问题.难点): 掌握国土资源利用率和土地覆盖类型,是地理国情普查与 ...
QGIS基于快鸟（QuickBird）影像统计小麦种植面积
01 数据情况本次选用某地4月份快鸟(QuickBird)影像为例,使用QGIS演示提取小麦播种情况,并按照200米*200米分区计算种植面积的过程. 注:本文对应的操作视频作为今天第二篇推送同 ...
哨兵2a 波段组合_一种针对哨兵2A影像的建筑物阴影提取处理方法与流程
本发明涉及建筑物阴影提取技术领域,尤其涉及一种针对哨兵2A影像的建筑物阴影提取处理方法. 背景技术: 阴影在遥感影像中是一种广泛分布,不可忽视的地物.在高分影像中,城市的建筑物阴影通常由于高大的建筑物 ...

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（1）-数据预处理

01 流程说明

02 数据准备

03 工具准备

04 数据预处理

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（1）-数据预处理相关推荐

最新文章

热门文章